SRAT：智能体强化学习选择性检索增强翻译框架

论文作者（Shijun Li、Yang Liu 等）发布 arXiv 论文（2610.19528），提出SRAT——一个智能体强化学习框架，通过以最终翻译质量为优化目标，学习何时直接翻译、何时检索、检索什么以及如何整合外部证据。 在成语、知识密集型和文档级翻译任务上，使用离线或在线检索的实验显示，SRAT持续优于从不检索和始终检索两种基线；当基于语义相似度的检索不足时，质量对齐的检索器训练带来进一步提升。 以上结果为作者在论文中报告的实验结论，尚属论文摘要阶段的证据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。